关键词sequential covering algorithm
搜索结果 - 2
- 神经符号时序点过程
我们引入了一个神经符号规则归纳框架,该框架通过时序点过程模型高效地发现一个紧凑的时间逻辑规则集合来解释感兴趣的不规则事件。我们采用了矢量嵌入来表示谓词和逻辑规则,并通过梯度下降训练逻辑规则嵌入以获得谓词嵌入的最适合的组合表示。为了使规则学习 - 寻找金融技术应用中双目标帕累托最优欺诈预防规则集
在金融科技机构中,规则广泛用于欺诈预防决策。本文关注通过在初始规则池中找到高质量规则子集(如精确度和召回率),采用 Pareto 最优的概念,以找到一组非支配的规则子集,构成 Pareto 前沿。我们提出了一种名为 PORS 的基于启发式的